fix http://disq.us/p/2dz8tx9

alphabetakappa · Dec 23, 2020 · e4d4b0f · e4d4b0f
1 parent 1b2843a
commit e4d4b0f
Showing 1 changed file with 3 additions and 3 deletions.
diff --git a/docs/08-Model-Inference-and-Averaging/8.8-Model-Averaging-and-Stacking.md b/docs/08-Model-Inference-and-Averaging/8.8-Model-Averaging-and-Stacking.md
@@ -44,12 +44,12 @@ $$
 
 $$
 \begin{align}
-\Pr(\cal M_m\mid Z)&\propto \Pr(\cal M_m)\cdot\Pr(\mathbf Z\mid \cal M_m)\notag\\
-&\propto \Pr(\cal M_m)\cdot \int Pr(\mathbf Z_m\mid \theta_m,\cal M_m)Pr(\theta_m\mid \cal M_m)d\theta_m\tag{8.55}\label{8.55}
+\Pr(\cM_m\mid \Z)&\propto \Pr(\cM_m)\cdot\Pr(\Z\mid \cM_m)\notag\\
+&\propto \Pr(\M_m)\cdot \int \Pr(\Z \mid \theta_m,\cM_m)\Pr(\theta_m\mid \cM_m)d\theta_m\tag{8.55}\label{8.55}
 \end{align}
 $$
 
-原则上，可以确定先验 $\Pr(\theta_m\mid \cal M_m)$，然后根据式 \eqref{8.55} 数值上计算后验概率，从而作为模型平均的权重．然而，相比更简单的 BIC 近似，我们没有看到任何实际的证据来表明值得这样做．
+原则上，可以确定先验 $\Pr(\theta_m\mid \cM_m)$，然后根据式 \eqref{8.55} 数值上计算后验概率，从而作为模型平均的权重．然而，相比更简单的 BIC 近似，我们没有看到任何实际的证据来表明值得这样做．
 
 我们怎么从频率的角度来实现模型平均？给定平方损失下的预测值 $\hat f_1(x),\hat f_2(x),\ldots, \hat f_M(x)$，我们可以寻找权重 $w=(w_1,w_2,\ldots,w_M)$ 使得